CN113065828A - 基于数据云存储分析的商品库存智能管理分析调度方法 - Google Patents

基于数据云存储分析的商品库存智能管理分析调度方法 Download PDF

Info

Publication number
CN113065828A
CN113065828A CN202110396687.5A CN202110396687A CN113065828A CN 113065828 A CN113065828 A CN 113065828A CN 202110396687 A CN202110396687 A CN 202110396687A CN 113065828 A CN113065828 A CN 113065828A
Authority
CN
China
Prior art keywords
store
warehouse
inventory
scheduling
commodity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110396687.5A
Other languages
English (en)
Other versions
CN113065828B (zh
Inventor
赵晓亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing xinsaidian Sports Investment Co.,Ltd.
Original Assignee
Wuhan Adula E Commerce Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan Adula E Commerce Co ltd filed Critical Wuhan Adula E Commerce Co ltd
Priority to CN202110396687.5A priority Critical patent/CN113065828B/zh
Publication of CN113065828A publication Critical patent/CN113065828A/zh
Application granted granted Critical
Publication of CN113065828B publication Critical patent/CN113065828B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Economics (AREA)
  • Mathematical Analysis (AREA)
  • Operations Research (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Algebra (AREA)
  • Accounting & Taxation (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开提供的基于数据云存储分析的商品库存智能管理分析调度方法。该基于数据云存储分析的商品库存智能管理分析调度方法包括：获取各门店对应的基本信息；获取各门店各种类商品对应的存货量；获取各仓库对应的基本信息；统计各仓库各种类商品实时存货量；统计各门店与各仓库之间的距离；统计各门店至各仓库之间的预估调度时长；对各门店各种类商品的实时存货量进行分析；对各门店与各仓库之间对应的调度距离进行分析；对各门店至各仓库之间的预估调度时长进行分析；通过该方法有效的提高了对商品库存的管理效率和调度效率，实现了库存管理真正的智能化，同时大大的提高了对商品库存的管理效果。

Description

基于数据云存储分析的商品库存智能管理分析调度方法
技术领域
本发明属于库存管理技术领域，涉及到基于数据云存储分析的商品库存智能管理分析调度方法。
背景技术
随着国内GDP的快速增长，国民的经济得到的稳步的提高，同时也促进了国民在各领域的消费，为了保障各大商场的正常运营，需要对各大商场各商品对应的库存进行管理；
现有的商品库存的管理方式主要是通过仓库管理人员对各仓库的库存进行管理和控制，很显然，这种通过人工管理和控制的方法需要花费大量的人力资源和时间成本，而且通过人工的管理方式会受到人员自身专业素养差异造成的管理影响，因此，现有的商品存库管理方式该存在了很多弊端，现有的商品管理方式无法克服人员自身专业素养的差异性带来的影响，同时现有的商品库存管理方式管理效率和调度效率低，无法实现真正的智能化，也无法有效的提高对商品库存的管理效果和调度效果。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出基于数据云存储分析的商品库存智能管理分析调度方法，实现了商品库存的智能管理和精准调度；
本发明的目的可以通过以下技术方案实现：
本发明提供了基于数据云存储分析的商品库存智能管理分析调度方法，该方法包括以下步骤：
S1、门店信息获取：统计该区域门店的数量，进而将该区域的门店按照预设顺序进行编号，依次标记为1，2，...i，...n,进而获取各门店对应的基本信息，其中，门店基本信息包括门店位置、门店商品对应的种类，进而将各门店对应商品的种类按照预设顺序进行编号，依次标记为1，2，...j,...m，进而构建各门店基本信息集合Mw(Mw1，Mw2，...Mwi，...Mwm)，Mwi表示该区域第i个门店对应的第w个基本信息，w表示门店基本信息，w＝a,b,a和b分别表示门店位置、门店商品对应的种类，b＝1，2，...j,...m；
S2、门店商品存货量获取：所述门店商品存货量获取用于获取各门店各种类商品对应的存货量，进而构建各门店商品存货量集合Jb(Jb1,Jb2,...Jbi,...Jbn)，Jbi表示第i个门店第b个种类商品对应的存货量；
S3、仓库信息获取：统计该区域仓库对应的数量，进而将统计的该区域的仓库按照预设顺序进行编号，依次标记为1′,2′...,i′...n′,进而获取各仓库对应的基本信息，其中，仓库对应的基本信息包括仓库所在位置和仓库商品对应的种类仓库内各种类商品对应的现存量，进而将该仓库对应的种类商品按照预设顺序进行编号，依次标记为1′,2′,...j′,...m′，进而构建各仓库基本信息集合Ce(Ce1′,Ce2′,...Cei′,...Cen′)，Cei′表示该区域第i′个仓库对应的第e个基本信息，e＝a′,b′,a′和b′分别表示仓库所在位置和仓库商品对应的种类，b′＝1′,2′,...j′,...m′，其中，m′≥m，m′表示仓库商品对应种类的数量，m表示各门店商品对应的种类数量；
S4、仓库商品存货量获取：所述仓库商品存货量获取用于获取各仓库各种类商品对应的存货量，进而构建各仓库商品存货量集合Tb′(Tb′1′,Tb′2′,...Tb′i′,...Tb′n′)，Tb′i′表示第i′个仓库第b′个种类商品对应的存货量；
S5、不合格商品信息获取：所述不合格商品信息获取用于获取各门店不合格商品对应的数量和不合格商品对应的种类，对各门店各种类商品进行质量检测，进而统计不合格是商品对应的数量，将各不合格商品的种类进行对比筛选，进而获取各不合格商品对应的种类，进而获取各门店各种类商品对应不合格的数量；
S6、统计商品实时存货量：调取各采集时间段各门店各种类商品对应的销售数据，根据各采集时间段各门店各种类商品对应的销售数据，进而获取各采集时间段各门店各种类商品对应的销售量，根据各门店商品存货量集合，进而获取各门店各种类商品对应的存货量，根据各门店各种类商品对应的存货量、各门店各种类商品对应不合格的数量和各采集时间段各门店各种类商品对应的销售量，进而统计各门店各种类商品对应的实时存货量，进而构建各门店商品实时存货量集合Ht b(Ht b1，Ht b2，....Ht bi，....Ht bn)，其中，Ht bi表示第i个门店第b个种类商品在第t个采集时间段对应的存货量，t表示采集时间段，t＝1,2,...u,...v；
S7、调度距离统计：所述调度距离统计用于统计各门店与各仓库之间的距离，根据各门店所在的位置和各仓库所在的位置，进而统计各门店与各仓库之间对应的距离，根据各门店与各仓库之间对应的距离进而构建各门店调度距离集合Lr(Lr1,Lr2,...Lri,...Lrn)，Lri表示该区域第i个门店与该区域第r个仓库之间的距离，r表示仓库编号，r＝1′,2′...,i′...n′；
S8、调度时间统计：根据各门店调度距离集合，进而获取各门店与各仓库之间的对应的距离，根据各门店与各仓库之间的对应的距离进而调取各门店与各仓库之间对应的交通路况，其中，交通路况包括红绿灯的个数和道路平均行驶速度，进而根据各门店与各仓库之间对应的交通路况，进而统计各门店至各仓库之间的预估调度时长；
S9、商品存货量分析：所述商品存货量分析用于对各门店各种类商品的实时存货量进行分析，进而获取各采集时间段各门店各种类商品对应的实时存货量，将各采集时间段各门店各种类商品对应的实时存货量分别与各门店各种类商品对应的标准存货量进行对比，若某采集时间段某门店某种类商品对应的存货量小于该门店该种类商品对应的标准存货量，进而将该门店记为需调度门店，将该商品对应的种类记为需调度商品对应的种类，将各门店需调度商品对应的种类记为s,进而将需调度商品对应的种类按照预设顺序进行编号，依次标记为1,2，...l,...z,进而统计需调度门店的数量，将统计的需调度的门店按照预设顺序进行编号，依次标记为1,2，...x,...y,进而获取各需调度门店各需调度种类商品对应的需调度数量，进而统计各门店商品存货量调度影响系数，同时调取各仓库商品对应的种类和各种类商品对应的存货量，将各需调度门店对应的各需调度种类商品以及各需调度种类商品对应的需调度数量分别与各仓库对应的种类商品和各种类商品对应的存货量进行匹配对比，若某仓库的种类商品与各需调度门店对应的各需调度种类商品一致并且该仓库种类商品对应的存货量大于或者等于各需调度门店各需调度种类商品对应的需调度数量，则将该仓库记为备选仓库，统计备选仓库的数量，并将统计的备选仓库按照预设顺序进行编号，依次标记为1,2，...f,...p,进而统计备选仓库存货量影响系数；
S10、调度距离分析：根据各门店调度距离集合进而获取各门店与各仓库之间对应的距离，进而调取各需调度门店与各备选仓库之间的距离，将各需调度门店与各备选仓库之间的距离分别与各需调度门店对应的标准调度距离进行对比，进而统计各备选仓库距离影响系数；
S11、调度时间分析:根据各门店至各仓库之间的预估调度时长，进而将各需调度门店与至备选仓库之间对应的预估调度时长分别与各需需调度门店对应的标准调度时长进行对比吗，进而统计各备选仓库调度时长影响系数；
S12、调度综合分析与处理：根据统计的各备选仓库存货量影响系数、各备选仓库距离影响系数和各备选仓库调度时长影响系数进而统计各备选仓库调度综合影响系数，将统计的各备选仓库调度综合影响系数进行对比筛选，进而筛选出调度综合影响系数最小的备选仓库；
S13、数据显示：将筛选的调度综合影响系数最小的备选仓库和各备选仓库对应的调度综合影响系数进行数据显示。
进一步地，所述对各门店各种类商品进行质量检测的方式为人工检测，调取各门店的工作人员按照预设检测时间段对各门店各种类商品进行人工质量检测。
进一步地，所述各门店各种类商品对应的实时存货量计算公式为Hb dt＝Jbd-Db dt-Gbd，Hb dt表示第t个采集时间段第d个门店对应第b个种类商品对应的存货量，Jbd表示第d个门店对应第b个种类商品对应的存货量，Db dt表示t个采集时间段第d个门店对应第b个种类商品对应的销售量，Gbd表示第d个门店对应第b个种类商品对应的不合格商品的数量，d表示门店编号，d＝1，2，...i，...n。
进一步地，所述各需调度门店各需调度种类商品对应的需调度数量计算公式为Ys q＝Es标准 q-Hs qt，Ys q表示第q个需调度门店第s个需调度种类商品对应的需调度数量，Es标准q表示第q个需调度门店第s个需调度种类商品对标准存货量，Hs qt表示第t个采集时间段第q个需调度门店第s个需调度种类商品对的存货量,s表示各门店需调度商品对应的种类编号，s＝1,2，...l,...z。
进一步地，所述各备选仓库存货量影响系数计算公式为
Figure BDA0003018833460000061
αk表示第k个备选仓库对应的存货量影响系数，Tb′ k表示第k个备选仓库第b′个种类商品对应的存货量，k表示备选仓库编号，k＝1,2，...f,...p。
进一步地，所述各备选仓库距离影响系数计算公式为
Figure BDA0003018833460000062
βk表示k个备选仓库对应的距离影响系数，Lk q表示第q个需调度门店与第k个备选仓库之间的距离，Lq标准表示为第q个需调度门店对应的标准调度距离。
进一步地，所述各备选仓库调度时长影响系数计算公式为
Figure BDA0003018833460000063
δk表示第k个备选仓库对应的调度时长影响系数，Rk q表示q个需调度门店与第k个备选仓库之间的距离，Rq标准表示为q个需调度门店对应的标准调度距离。
进一步地，所述各备选仓库调度综合影响系数计算公式为
Figure BDA0003018833460000064
Zk表示为第k个备选仓库对应的调度综合影响系数。
本发明的有益效果：
(1)本发明提供的基于数据云存储分析的商品库存智能管理分析调度方法，通过对各门店各商品种类对应的实时存货量、各门店与各仓库之间的调度距离和各门店至各仓库之间的预估调度时长进行了细致的分析，进而解决了现有的商品管理方式无法克服人员自身专业素养的差异性带来的影响问题，有效的提高了对商品库存的管理效率和调度效率，实现库存管理真正的智能化，同时大大的提高了对商品库存的管理效果和调度效果。
(2)本发明在对各门店至各仓库之间的预估调度时长进行分析时，通过调取各门店与各仓库之间对应的交通路况，进而有效的分析了各门店与至各仓库之间的预估调度时长，进而为后续对各备选仓库的筛选提供了数据基础。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明方法实施步骤流程图。
具体实施方式
下面将结合本发明实施以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
请参阅图1所示，基于数据云存储分析的商品库存智能管理分析调度方法，该方法包括以下步骤：
S1、门店信息获取：统计该区域门店的数量，进而将该区域的门店按照预设顺序进行编号，依次标记为1，2，...i，...n,进而获取各门店对应的基本信息，其中，门店基本信息包括门店位置、门店商品对应的种类，进而将各门店对应商品的种类按照预设顺序进行编号，依次标记为1，2，...j,...m，进而构建各门店基本信息集合Mw(Mw1，Mw2，...Mwi，...Mwm)，Mwi表示该区域第i个门店对应的第w个基本信息，w表示门店基本信息，w＝a,b,a和b分别表示门店位置、门店商品对应的种类，b＝1，2，...j,...m；
S2、门店商品存货量获取：所述门店商品存货量获取用于获取各门店各种类商品对应的存货量，进而构建各门店商品存货量集合Jb(Jb1,Jb2,...Jbi,...Jbn)，Jbi表示第i个门店第b个种类商品对应的存货量；
S3、仓库信息获取：统计该区域仓库对应的数量，进而将统计的该区域的仓库按照预设顺序进行编号，依次标记为1′,2′...,i′...n′,进而获取各仓库对应的基本信息，其中，仓库对应的基本信息包括仓库所在位置和仓库商品对应的种类仓库内各种类商品对应的现存量，进而将该仓库对应的种类商品按照预设顺序进行编号，依次标记为1′,2′,...j′,...m′，进而构建各仓库基本信息集合Ce(Ce1′,Ce2′,...Cei′,...Cen′)，Cei′表示该区域第i′个仓库对应的第e个基本信息，e＝a′,b′,a′和b′分别表示仓库所在位置和仓库商品对应的种类，b′＝1′,2′,...j′,...m′，其中，m′≥m，m′表示仓库商品对应种类的数量，m表示各门店商品对应的种类数量；
S4、仓库商品存货量获取：所述仓库商品存货量获取用于获取各仓库各种类商品对应的存货量，进而构建各仓库商品存货量集合Tb′(Tb′1′,Tb′2′,...Tb′i′,...Tb′n′)，Tb′i′表示第i′个仓库第b′个种类商品对应的存货量；
S5、不合格商品信息获取：所述不合格商品信息获取用于获取各门店不合格商品对应的数量和不合格商品对应的种类，对各门店各种类商品进行质量检测，进而统计不合格是商品对应的数量，将各不合格商品的种类进行对比筛选，进而获取各不合格商品对应的种类，进而获取各门店各种类商品对应不合格的数量；
本发明实施例在对各门店各种类商品进行质量检测时对各门店各种类商品进行质量检测的方式为人工检测，调取各门店的工作人员按照预设检测时间段对各门店各种类商品进行人工质量检测，其中，商品质量检测还包括对商品的包装、商品外观和商品的性能进行检测。
S6、统计商品实时存货量：调取各采集时间段各门店各种类商品对应的销售数据，根据各采集时间段各门店各种类商品对应的销售数据，进而获取各采集时间段各门店各种类商品对应的销售量，根据各门店商品存货量集合，进而获取各门店各种类商品对应的存货量，根据各门店各种类商品对应的存货量、各门店各种类商品对应不合格的数量和各采集时间段各门店各种类商品对应的销售量，进而统计各门店各种类商品对应的实时存货量，其中，各门店各种类商品对应的实时存货量计算公式为Hb dt＝Jbd-Db dt-Gbd，Hb dt表示第t个采集时间段第d个门店对应第b个种类商品对应的存货量，Jbd表示第d个门店对应第b个种类商品对应的存货量，Db dt表示t个采集时间段第d个门店对应第b个种类商品对应的销售量，Gbd表示第d个门店对应第b个种类商品对应的不合格商品的数量，d表示门店编号，d＝1，2，...i，...n，进而构建各门店商品实时存货量集合Ht b(Ht b1，Ht b2，....Ht bi，....Ht bn)，其中，Ht bi表示第i个门店第b个种类商品在第t个采集时间段对应的存货量，t表示采集时间段，t＝1,2,...u,...v；
本发明实时例通过对各门店各种类商品对应的实时存货量进行统计，进而实现了对商品库存数据的实时掌控，便于各门店对各商品种类的调度。
S7、调度距离统计：所述调度距离统计用于统计各门店与各仓库之间的距离，根据各门店所在的位置和各仓库所在的位置，进而统计各门店与各仓库之间对应的距离，根据各门店与各仓库之间对应的距离进而构建各门店调度距离集合Lr(Lr1,Lr2,...Lri,...Lrn)，Lri表示该区域第i个门店与该区域第r个仓库之间的距离，r表示仓库编号，r＝1′,2′...,i′...n′；
本发明实施例，通过在对各门店与各仓库之间的距离进行统计时，包括获取各门店至各仓库对应的各条路线，并将各门店至各仓库对应的各条路线进行对比筛选，进而筛选出各门店至各仓库对应距离最短的的路线，进而获取该路线的长度，将该路线的长度记为各门店与各仓库之间对应的距离。
S8、调度时间统计：根据各门店调度距离集合，进而获取各门店与各仓库之间的对应的距离，根据各门店与各仓库之间的对应的距离进而调取各门店与各仓库之间对应的交通路况，其中，交通路况包括红绿灯的个数和道路平均行驶速度，进而根据各门店与各仓库之间对应的交通路况，进而统计各门店至各仓库之间的预估调度时长；
本发明实施例，在调取各门店与各仓库之间对应的交通路况，还包括获取各红绿灯对应的时长、人行道的数量和该行驶道路对应的路行特征，路行特征包括直路、弯路、上坡路和下坡路，进而有效的分析了各门店与至各仓库之间的预估调度时长，进而为后续对各备选仓库的筛选提供了数据基础。
S9、商品存货量分析：所述商品存货量分析用于对各门店各种类商品的实时存货量进行分析，进而获取各采集时间段各门店各种类商品对应的实时存货量，将各采集时间段各门店各种类商品对应的实时存货量分别与各门店各种类商品对应的标准存货量进行对比，若某采集时间段某门店某种类商品对应的存货量小于该门店该种类商品对应的标准存货量，进而将该门店记为需调度门店，将该商品对应的种类记为需调度商品对应的种类，将各门店需调度商品对应的种类记为s,进而将需调度商品对应的种类按照预设顺序进行编号，依次标记为1,2，...l,...z,进而统计需调度门店的数量，将统计的需调度的门店按照预设顺序进行编号，依次标记为1,2，...x,...y,进而获取各需调度门店各需调度种类商品对应的需调度数量，其中，各需调度门店各需调度种类商品对应的需调度数量计算公式为Ys q＝Es标准 q-Hs qt，Ys q表示第q个需调度门店第s个需调度种类商品对应的需调度数量，Es标准q表示第q个需调度门店第s个需调度种类商品对标准存货量，Hs qt表示第t个采集时间段第q个需调度门店第s个需调度种类商品对的存货量,s表示各门店需调度商品对应的种类编号，s＝1,2，...l,...z，进而统计各门店商品存货量调度影响系数，同时调取各仓库商品对应的种类和各种类商品对应的存货量，将各需调度门店对应的各需调度种类商品以及各需调度种类商品对应的需调度数量分别与各仓库对应的种类商品和各种类商品对应的存货量进行匹配对比，若某仓库的种类商品与各需调度门店对应的各需调度种类商品一致并且该仓库种类商品对应的存货量大于或者等于各需调度门店各需调度种类商品对应的需调度数量，则将该仓库记为备选仓库，统计备选仓库的数量，并将统计的备选仓库按照预设顺序进行编号，依次标记为1,2，...f,...p,进而统计备选仓库存货量影响系数，其中，各备选仓库存货量影响系数计算公式为
Figure BDA0003018833460000111
αk表示第k个备选仓库对应的存货量影响系数，Tb′ k表示第k个备选仓库第b′个种类商品对应的存货量，k表示备选仓库编号，k＝1,2，...f,...p；
S10、调度距离分析：根据各门店调度距离集合进而获取各门店与各仓库之间对应的距离，进而调取各需调度门店与各备选仓库之间的距离，将各需调度门店与各备选仓库之间的距离分别与各需调度门店对应的标准调度距离进行对比，进而统计各备选仓库距离影响系数，其中，各备选仓库距离影响系数计算公式为
Figure BDA0003018833460000112
βk表示k个备选仓库对应的距离影响系数，Lk q表示第q个需调度门店与第k个备选仓库之间的距离，Lq标准表示为第q个需调度门店对应的标准调度距离；
S11、调度时间分析:根据各门店至各仓库之间的预估调度时长，进而将各需调度门店与至备选仓库之间对应的预估调度时长分别与各需需调度门店对应的标准调度时长进行对比吗，进而统计各备选仓库调度时长影响系数，其中，各备选仓库调度时长影响系数计算公式为
Figure BDA0003018833460000121
δk表示第k个备选仓库对应的调度时长影响系数，Rk q表示q个需调度门店与第k个备选仓库之间的距离，Rq标准表示为q个需调度门店对应的标准调度距离；
S12、调度综合分析与处理：根据统计的各备选仓库存货量影响系数、各备选仓库距离影响系数和各备选仓库调度时长影响系数进而统计各备选仓库调度综合影响系数，其中，各备选仓库调度综合影响系数计算公式为
Figure BDA0003018833460000122
Zk表示为第k个备选仓库对应的调度综合影响系数将统计的各备选仓库调度综合影响系数进行对比筛选，进而筛选出调度综合影响系数最小的备选仓库；
本发明实施例通过对各门店各商品种类对应的实时存货量、各门店与各仓库之间的调度距离和各门店至各仓库之间的预估调度时长进行了细致的分析，进而解决了现有的商品管理方式无法克服人员自身专业素养的差异性带来的影响问题，有效的提高了对商品库存的管理效率和调度效率，实现库存管理真正的智能化，同时大大的提高了对商品库存的管理效果和调度效果。
S13、数据显示：将筛选的调度综合影响系数最小的备选仓库和各备选仓库对应的调度综合影响系数进行数据显示。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (8)

1.基于数据云存储分析的商品库存智能管理分析调度方法，其特征在于：该方法包括以下步骤：
S1、门店信息获取：统计该区域门店的数量，进而将该区域的门店按照预设顺序进行编号，依次标记为1，2，...i，...n,进而获取各门店对应的基本信息，其中，门店基本信息包括门店位置、门店商品对应的种类，进而将各门店对应商品的种类按照预设顺序进行编号，依次标记为1，2，...j,...m，进而构建各门店基本信息集合Mw(Mw1，Mw2，...Mwi，...Mwm)，Mwi表示该区域第i个门店对应的第w个基本信息，w表示门店基本信息，w＝a,b,a和b分别表示门店位置、门店商品对应的种类，b＝1，2，...j,...m；
S2、门店商品存货量获取：所述门店商品存货量获取用于获取各门店各种类商品对应的存货量，进而构建各门店商品存货量集合Jb(Jb1,Jb2,...Jbi,...Jbn)，Jbi表示第i个门店第b个种类商品对应的存货量；
S3、仓库信息获取：统计该区域仓库对应的数量，进而将统计的该区域的仓库按照预设顺序进行编号，依次标记为1′,2′...,i′...n′,进而获取各仓库对应的基本信息，其中，仓库对应的基本信息包括仓库所在位置和仓库商品对应的种类仓库内各种类商品对应的现存量，进而将该仓库对应的种类商品按照预设顺序进行编号，依次标记为1′,2′,...j′,...m′，进而构建各仓库基本信息集合Ce(Ce1′,Ce2′,...Cei′,...Cen′)，Cei′表示该区域第i′个仓库对应的第e个基本信息，e＝a′,b′,a′和b′分别表示仓库所在位置和仓库商品对应的种类，b′＝1′,2′,...j′,...m′，其中，m′≥m，m′表示仓库商品对应种类的数量，m表示各门店商品对应的种类数量；
S4、仓库商品存货量获取：所述仓库商品存货量获取用于获取各仓库各种类商品对应的存货量，进而构建各仓库商品存货量集合Tb′(Tb′1′,Tb′2′,...Tb′i′,...Tb′n′)，Tb′i′表示第i′个仓库第b′个种类商品对应的存货量；
S5、不合格商品信息获取：所述不合格商品信息获取用于获取各门店不合格商品对应的数量和不合格商品对应的种类，对各门店各种类商品进行质量检测，进而统计不合格是商品对应的数量，将各不合格商品的种类进行对比筛选，进而获取各不合格商品对应的种类，进而获取各门店各种类商品对应不合格的数量；
S6、统计商品实时存货量：调取各采集时间段各门店各种类商品对应的销售数据，根据各采集时间段各门店各种类商品对应的销售数据，进而获取各采集时间段各门店各种类商品对应的销售量，根据各门店商品存货量集合，进而获取各门店各种类商品对应的存货量，根据各门店各种类商品对应的存货量、各门店各种类商品对应不合格的数量和各采集时间段各门店各种类商品对应的销售量，进而统计各门店各种类商品对应的实时存货量，进而构建各门店商品实时存货量集合Ht b(Ht b1，Ht b2，....Ht bi，....Ht bn)，其中，Ht bi表示第i个门店第b个种类商品在第t个采集时间段对应的存货量，t表示采集时间段，t＝1,2,...u,...v；
S7、调度距离统计：所述调度距离统计用于统计各门店与各仓库之间的距离，根据各门店所在的位置和各仓库所在的位置，进而统计各门店与各仓库之间对应的距离，根据各门店与各仓库之间对应的距离进而构建各门店调度距离集合Lr(Lr1,Lr2,...Lri,...Lrn)，Lri表示该区域第i个门店与该区域第r个仓库之间的距离，r表示仓库编号，r＝1′,2′...,i′...n′；
S8、调度时间统计：根据各门店调度距离集合，进而获取各门店与各仓库之间的对应的距离，根据各门店与各仓库之间的对应的距离进而调取各门店与各仓库之间对应的交通路况，其中，交通路况包括红绿灯的个数和道路平均行驶速度，进而根据各门店与各仓库之间对应的交通路况，进而统计各门店至各仓库之间的预估调度时长；
S9、商品存货量分析：所述商品存货量分析用于对各门店各种类商品的实时存货量进行分析，进而获取各采集时间段各门店各种类商品对应的实时存货量，将各采集时间段各门店各种类商品对应的实时存货量分别与各门店各种类商品对应的标准存货量进行对比，若某采集时间段某门店某种类商品对应的存货量小于该门店该种类商品对应的标准存货量，进而将该门店记为需调度门店，将该商品对应的种类记为需调度商品对应的种类，将各门店需调度商品对应的种类记为s,进而将需调度商品对应的种类按照预设顺序进行编号，依次标记为1,2，...l,...z,进而统计需调度门店的数量，将统计的需调度的门店按照预设顺序进行编号，依次标记为1,2，...x,...y,进而获取各需调度门店各需调度种类商品对应的需调度数量，进而统计各门店商品存货量调度影响系数，同时调取各仓库商品对应的种类和各种类商品对应的存货量，将各需调度门店对应的各需调度种类商品以及各需调度种类商品对应的需调度数量分别与各仓库对应的种类商品和各种类商品对应的存货量进行匹配对比，若某仓库的种类商品与各需调度门店对应的各需调度种类商品一致并且该仓库种类商品对应的存货量大于或者等于各需调度门店各需调度种类商品对应的需调度数量，则将该仓库记为备选仓库，统计备选仓库的数量，并将统计的备选仓库按照预设顺序进行编号，依次标记为1,2，...f,...p,进而统计备选仓库存货量影响系数；
S10、调度距离分析：根据各门店调度距离集合进而获取各门店与各仓库之间对应的距离，进而调取各需调度门店与各备选仓库之间的距离，将各需调度门店与各备选仓库之间的距离分别与各需调度门店对应的标准调度距离进行对比，进而统计各备选仓库距离影响系数；
S11、调度时间分析:根据各门店至各仓库之间的预估调度时长，进而将各需调度门店与至备选仓库之间对应的预估调度时长分别与各需需调度门店对应的标准调度时长进行对比吗，进而统计各备选仓库调度时长影响系数；
S12、调度综合分析与处理：根据统计的各备选仓库存货量影响系数、各备选仓库距离影响系数和各备选仓库调度时长影响系数进而统计各备选仓库调度综合影响系数，将统计的各备选仓库调度综合影响系数进行对比筛选，进而筛选出调度综合影响系数最小的备选仓库；
S13、数据显示：将筛选的调度综合影响系数最小的备选仓库和各备选仓库对应的调度综合影响系数进行数据显示。
2.根据权利要求1所述的基于数据云存储分析的商品库存智能管理分析调度方法，其特征在于：所述对各门店各种类商品进行质量检测的方式为人工检测，调取各门店的工作人员按照预设检测时间段对各门店各种类商品进行人工质量检测。
3.根据权利要求1所述的基于数据云存储分析的商品库存智能管理分析调度方法，其特征在于：所述各门店各种类商品对应的实时存货量计算公式为Hb dt＝Jbd-Db dt-Gbd，Hb dt表示第t个采集时间段第d个门店对应第b个种类商品对应的存货量，Jbd表示第d个门店对应第b个种类商品对应的存货量，Db dt表示t个采集时间段第d个门店对应第b个种类商品对应的销售量，Gbd表示第d个门店对应第b个种类商品对应的不合格商品的数量，d表示门店编号，d＝1，2，...i，...n。
4.根据权利要求1所述的基于数据云存储分析的商品库存智能管理分析调度方法，其特征在于：所述各需调度门店各需调度种类商品对应的需调度数量计算公式为Ys q＝Es标准 q-Hs qt，Ys q表示第q个需调度门店第s个需调度种类商品对应的需调度数量，Es标准q表示第q个需调度门店第s个需调度种类商品对标准存货量，Hs qt表示第t个采集时间段第q个需调度门店第s个需调度种类商品对的存货量,s表示各门店需调度商品对应的种类编号，s＝1,2，...l,...z。
5.根据权利要求1所述的基于数据云存储分析的商品库存智能管理分析调度方法，其特征在于：所述各备选仓库存货量影响系数计算公式为
Figure FDA0003018833450000051
αk表示第k个备选仓库对应的存货量影响系数，Tb′ k表示第k个备选仓库第b′个种类商品对应的存货量，k表示备选仓库编号，k＝1,2，...f,...p。
6.根据权利要求1所述的基于数据云存储分析的商品库存智能管理分析调度方法，其特征在于：所述各备选仓库距离影响系数计算公式为
Figure FDA0003018833450000052
βk表示k个备选仓库对应的距离影响系数，Lk q表示第q个需调度门店与第k个备选仓库之间的距离，Lq标准表示为第q个需调度门店对应的标准调度距离。
7.根据权利要求1所述的基于数据云存储分析的商品库存智能管理分析调度方法，其特征在于：所述各备选仓库调度时长影响系数计算公式为
Figure FDA0003018833450000053
δk表示第k个备选仓库对应的调度时长影响系数，Rk q表示q个需调度门店与第k个备选仓库之间的距离，Rq标准表示为q个需调度门店对应的标准调度距离。
8.根据权利要求1所述的基于数据云存储分析的商品库存智能管理分析调度方法，其特征在于：所述各备选仓库调度综合影响系数计算公式为
Figure FDA0003018833450000061
Zk表示为第k个备选仓库对应的调度综合影响系数。
CN202110396687.5A 2021-04-13 2021-04-13 基于数据云存储分析的商品库存智能管理分析调度方法 Active CN113065828B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110396687.5A CN113065828B (zh) 2021-04-13 2021-04-13 基于数据云存储分析的商品库存智能管理分析调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110396687.5A CN113065828B (zh) 2021-04-13 2021-04-13 基于数据云存储分析的商品库存智能管理分析调度方法

Publications (2)

Publication Number Publication Date
CN113065828A true CN113065828A (zh) 2021-07-02
CN113065828B CN113065828B (zh) 2022-01-04

Family

ID=76567220

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110396687.5A Active CN113065828B (zh) 2021-04-13 2021-04-13 基于数据云存储分析的商品库存智能管理分析调度方法

Country Status (1)

Country Link
CN (1) CN113065828B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113487096A (zh) * 2021-07-12 2021-10-08 武汉市章瀚电子商务有限公司 一种商品销售库存精准动态管理调整方法、系统及计算机存储介质
CN114841780A (zh) * 2022-05-24 2022-08-02 武汉泰贸科技有限公司 一种基于大数据分析的数字化客群服务社群智能管理系统

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030222141A1 (en) * 2002-05-31 2003-12-04 Vogler Hartmut K. Item tracking systems and real-time inventory management
CN106991550A (zh) * 2016-01-21 2017-07-28 阿里巴巴集团控股有限公司 商品对象补货信息处理方法及装置
CN107609719A (zh) * 2017-11-01 2018-01-19 佛山杰致信息科技有限公司 一种物流作业运输线路优化系统及其使用方法
CN109447588A (zh) * 2018-10-31 2019-03-08 戴燚 一种基于云端大数据采集与综合管理系统平台
CN109615184A (zh) * 2018-11-17 2019-04-12 上海百胜软件股份有限公司 零售企业门店自动配货、补货、调货的方法及系统
CN109711761A (zh) * 2018-11-15 2019-05-03 深圳市福尔科技有限公司 一种自动补货方法及系统
CN109754207A (zh) * 2018-12-26 2019-05-14 秒针信息技术有限公司 库存补充信息的确定方法及装置、存储介质、电子装置
JP2019149060A (ja) * 2018-02-27 2019-09-05 ソフトバンク株式会社 情報処理装置、情報処理方法、プログラム及び物品提供システム
CN110910052A (zh) * 2018-09-14 2020-03-24 珠海横琴盛达兆业科技投资有限公司 一种实现药店库存预警及自动补货的方法
CN111178797A (zh) * 2019-12-21 2020-05-19 武汉微批科技有限公司 一种库存补货调度方法及系统
CN111292030A (zh) * 2018-12-10 2020-06-16 北京京东尚科信息技术有限公司 选仓方法及装置、计算机可读存储介质
CN111784245A (zh) * 2020-06-30 2020-10-16 广东奥园奥买家电子商务有限公司 仓库采购清单生成方法、装置、设备以及存储介质
CN111784257A (zh) * 2020-07-08 2020-10-16 南京大成致远网络技术有限公司 一种基于云平台的大数据仓储管理系统

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030222141A1 (en) * 2002-05-31 2003-12-04 Vogler Hartmut K. Item tracking systems and real-time inventory management
CN106991550A (zh) * 2016-01-21 2017-07-28 阿里巴巴集团控股有限公司 商品对象补货信息处理方法及装置
CN107609719A (zh) * 2017-11-01 2018-01-19 佛山杰致信息科技有限公司 一种物流作业运输线路优化系统及其使用方法
JP2019149060A (ja) * 2018-02-27 2019-09-05 ソフトバンク株式会社 情報処理装置、情報処理方法、プログラム及び物品提供システム
CN110910052A (zh) * 2018-09-14 2020-03-24 珠海横琴盛达兆业科技投资有限公司 一种实现药店库存预警及自动补货的方法
CN109447588A (zh) * 2018-10-31 2019-03-08 戴燚 一种基于云端大数据采集与综合管理系统平台
CN109711761A (zh) * 2018-11-15 2019-05-03 深圳市福尔科技有限公司 一种自动补货方法及系统
CN109615184A (zh) * 2018-11-17 2019-04-12 上海百胜软件股份有限公司 零售企业门店自动配货、补货、调货的方法及系统
CN111292030A (zh) * 2018-12-10 2020-06-16 北京京东尚科信息技术有限公司 选仓方法及装置、计算机可读存储介质
CN109754207A (zh) * 2018-12-26 2019-05-14 秒针信息技术有限公司 库存补充信息的确定方法及装置、存储介质、电子装置
CN111178797A (zh) * 2019-12-21 2020-05-19 武汉微批科技有限公司 一种库存补货调度方法及系统
CN111784245A (zh) * 2020-06-30 2020-10-16 广东奥园奥买家电子商务有限公司 仓库采购清单生成方法、装置、设备以及存储介质
CN111784257A (zh) * 2020-07-08 2020-10-16 南京大成致远网络技术有限公司 一种基于云平台的大数据仓储管理系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113487096A (zh) * 2021-07-12 2021-10-08 武汉市章瀚电子商务有限公司 一种商品销售库存精准动态管理调整方法、系统及计算机存储介质
CN114841780A (zh) * 2022-05-24 2022-08-02 武汉泰贸科技有限公司 一种基于大数据分析的数字化客群服务社群智能管理系统

Also Published As

Publication number Publication date
CN113065828B (zh) 2022-01-04

Similar Documents

Publication Publication Date Title
CN113065828B (zh) 基于数据云存储分析的商品库存智能管理分析调度方法
CN111222389B (zh) 商超货架上商品的分析方法和系统
CN108898109A (zh) 物品关注度的确定方法、装置和系统
CN109711890B (zh) 一种用户数据处理方法及其系统
CN101273376A (zh) 排队预警系统
CN111415193B (zh) 基于关联商品的门店相似度的品类销售提升度计算方法
CN109918517A (zh) 一种智慧购物系统
CN107274066B (zh) 一种基于lrfmd模型的共享交通客户价值分析方法
CN113538012A (zh) 一种基于互联网电子商务平台数据分析的买家用户智能管理方法
US11748787B2 (en) Analysis method and system for the item on the supermarket shelf
CN108470255A (zh) 工作量统计方法及装置、存储介质、计算设备
CN108629318B (zh) 一种基于图像识别技术的货架陈列识别方法、装置和系统
CN114548871A (zh) 一种大数据驱动的供应链ai智能补货系统
CN115860800A (zh) 一种节假日商品销量预测方法、装置及计算机存储介质
CN115169985A (zh) 一种移动充电机器人的远程调度方法和系统
CN113919865A (zh) 一种网络零售额统计方法
CN115063207A (zh) 一种基于云计算的建材采购智能比价分析处理系统
US11481525B2 (en) Information processing apparatus, control method for information processing apparatus, and storage medium
JP2021163001A (ja) 物流拠点商品配送計画プログラム
CN113159850A (zh) 一种综合性时间序列预测方法
CN111401967A (zh) 一种基于大数据的数字化商业服务分析系统及其工作方法
CN113222648A (zh) 一种电梯广告位价值评估方法及电梯广告位价值评估系统
Hossam et al. Revolutionizing Retail Analytics: Advancing Inventory and Customer Insight with AI
CN113112175B (zh) 一种高效的仓库货架清点方法和管理系统
CN115860810A (zh) 一种行业品牌城市开店策略动态监测方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20211213

Address after: 20adef, 18 / F, building 22, Shouti South Road, Haidian District, Beijing 100089

Applicant after: Beijing xinsaidian Sports Investment Co.,Ltd.

Address before: Zhaofu international building, 717 Wuluo Road, Luonan street, Hongshan District, Wuhan City, Hubei Province 430070

Applicant before: Wuhan Adula e-commerce Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant